动摄像机下基于SIFT特征匹配和MHI的目标检测

doi:10.3969/j.issn.1007130X.2010.

J4 ›› 2010, Vol. 32 ›› Issue (1): 67-70.doi: 10.3969/j.issn.1007130X.2010.

动摄像机下基于SIFT特征匹配和MHI的目标检测

(国防科学技术大学电子科学与工程学院,湖南长沙 410073)

收稿日期:2008-08-28 修回日期:2008-11-17 出版日期:2010-01-18 发布日期:2010-01-18
通讯作者: 410073 湖南省长沙市国防科学技术大学电子科学与工程学院智能感知信息联合中心 E-mail:wlf_0714@163.com
作者简介:王亮芬(1982-)，男，山东潍坊人，硕士生，研究方向为计算机视觉和图形图像处理;周东翔，副教授，研究方向为计算机视觉、虚拟现实、图形图像处理与科学计算可视化;梁华,博士生,研究方向为运动目标检测与跟踪；蔡宣平，教授，研究方向为计算机图形学、信息处理等。

The Detection of Moving Objects by a MovingCamera Based on the SIFT Features Match and MHI

Received:2008-08-28 Revised:2008-11-17 Online:2010-01-18 Published:2010-01-18

摘要/Abstract

摘要：

摄像机的运动使得复杂背景下动目标的检测复杂化。为了应对动态变化的背景，本文提出基于SIFT特征匹配和运动历史图的目标检测算法。首先用SIFT算法提取特征点，采用RANSAC方法求得仿射变换模型参数并实现图像的全局运动补偿，最后利用运动历史图的方法检测出动目标。SIFT特征点匹配的准确性和RANSAC方法去除异常点的有效性使得仿射变换模型参数计算准确，运动历史图则给出了动目标清晰的轮廓，并指明了动目标的运动方向。与Ninad Thakoor实验结果对比说明：该算法能够准确地检测出动目标，并且显示了动目标的运动方向。

关键词: 运动摄像机, 全局运动补偿, SIFT, RANSAC, MHI, 目标检测

Abstract:

The movement of a camera makes the moving objects detection more difficult under a complex background. In order to cope with the dynamically changed background, we propose an object detection method based on the SIFT features match and Motion History Image. Firstly, the feature points are detected by the SIFT algorithm to compute the parameters of the affine transform model, guided by RANSAC, to compensate the global motion between images. Secondly, we adopt the MHI method to detect moving objects. The robustness of the SIFT features match and the validity of picking out the outliers by the RANSAC algorithm make the parameters of the affine transform model compute accurately, and MHI shows the moving objects and the moving direction of objects clearly. The experimental results demonstrate that our algorithm can detect the moving objects accurately, and show the moving direction of the foreground objects, compared with the Ninad Thakoor's method.

Key words: moving camera;global motion compensation;SIFT;RANSAC;MHI;objects detection

中图分类号:

TP391

王亮芬,周东翔,梁华,蔡宣平. 动摄像机下基于SIFT特征匹配和MHI的目标检测[J]. J4, 2010, 32(1): 67-70.

WANG Liang-Fen, ZHOU Dong-Xiang, LIANG Hua, CA Xuan-Beng. The Detection of Moving Objects by a MovingCamera Based on the SIFT Features Match and MHI[J]. J4, 2010, 32(1): 67-70.

编辑推荐

Metrics

阅读次数

全文

131

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	131

来源	本网站	其他网站

次数	63	68
比例	48%	52%

摘要

最新录用	在线预览	正式出版

0	0	77

	来源	本网站

	次数	77
	比例	100%

[1]	魏伟一, 王婉茹, 赵毅凡, 陈帼. 基于区域划分和四元数的彩色图像复制粘贴篡改检测[J]. 计算机工程与科学, 2022, 44(07): 1256-1264.
[2]	熊炜1,2，王传胜1，管来福1，童磊1，刘敏1，曾春艳1. 基于特征跟踪和网格路径运动的视频稳像算法[J]. 计算机工程与科学, 2020, 42(05): 843-850.
[3]	熊炜1,2，王传胜1，李利荣1，刘敏1，曾春艳1. 结合光流法和卡尔曼滤波的视频稳像算法[J]. 计算机工程与科学, 2020, 42(03): 493-499.
[4]	严春满，郝有菲，张迪，陈佳辉. 混合特征下最优阈值预测的图像匹配[J]. 计算机工程与科学, 2019, 41(10): 1803-1808.
[5]	张伯麟1，刘荣海2，郑欣2，杨迎春2，陈磊1，万书亭1. X射线图像三维重建的自标定优化算法[J]. 计算机工程与科学, 2019, 41(08): 1474-1481.
[6]	李洪锋1，魏镜弢1，付亚伟2，王家涛1. 基于SIFT算法的物体运动方向快速识别方法[J]. 计算机工程与科学, 2019, 41(06): 1050-1056.
[7]	秦煜1，吴静静1,2，安伟1,2，张美娟3. 基于融合特征的SURF配准算法[J]. 计算机工程与科学, 2017, 39(10): 1890-1895.
[8]	苏培峰1，黄世奇2，王艺婷1，刘代志1. 具有SIFT描述的多尺度角点图像配准[J]. 计算机工程与科学, 2017, 39(09): 1700-1705.
[9]	秦煜1，吴静静1,2，安伟1,2. 基于RANSAC的激光网格标记图像特征提取[J]. 计算机工程与科学, 2017, 39(08): 1495-1501.
[10]	李骥，王艳然，王威. 基于扩展字典稀疏表示分类的遥感目标识别[J]. 计算机工程与科学, 2017, 39(08): 1508-1512.
[11]	傅瑞罡，王平，高颖慧. 一种去冗余的SIFT特征提取方法[J]. J4, 2016, 38(04): 827-832.
[12]	兰红,洪玉欢,高晓林. 面向全景拼接的图像配准技术研究及应用[J]. J4, 2016, 38(02): 317-324.
[13]	安婷，贺一民，张志毅. 改进的双向SIFT特征匹配算法[J]. J4, 2016, 38(01): 138-143.
[14]	常方媛1，冯志勇1，徐超2. 基于SLIC区域分割的三维地形重建算法[J]. J4, 2015, 37(09): 1718-1723.
[15]	孟建良，王雅继. 最佳点平滑法寻找最佳拼接缝[J]. J4, 2015, 37(07): 1387-1392.

动摄像机下基于SIFT特征匹配和MHI的目标检测

The Detection of Moving Objects by a MovingCamera Based on the SIFT Features Match and MHI

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价